基于深度学习的工业缺陷智能检测与识别研究

课题名称
基于深度学习的工业缺陷智能检测与识别研究
学科专业
计算机科学
课题关键词
深度学习工业缺陷检测智能识别
辅导模式
1对1
发表目标
SCI期刊1-2区,CCF-A
课题介绍
工业生产中,产品质量检测是保障生产安全与市场竞争力的核心环节,而缺陷识别作为质检关键步骤,其准确性与效率直接影响生产效益。传统检测方法多依赖人工目测或基于手工特征的机器视觉算法,存在主观性强、效率低下、对复杂缺陷适应性差等问题,难以满足现代化工业对高精度、实时性检测的需求。随着深度学习技术的快速发展,卷积神经网络等模型凭借自动特征学习能力,在图像分类、目标检测等任务中展现出卓越性能,为工业缺陷智能检测提供了新途径。在此背景下,研究基于深度学习的工业缺陷检测与识别方法,对于提升检测精度、降低人工成本、推动智能制造升级具有重要的理论价值与应用前景。

导师信息

科研导师

Prof. Hu

985高校博士

导师介绍

研究领域:表征与生成模型,人工智能与生命科学交叉,图像处理,目标检测 学术成果:1.发表 CCF 会议、期刊文章二十余篇,一作论文 8 篇 2.担任 ACL, NeurIPS, ICLR, ICML, CVPR, ECCV, AAAI, IJCAI 等 AI 顶会审稿人 3.授权发明专利1项 4.截至 24 年 9 月,谷歌学术引用 560+,GitHub Stars 650+

招生要求

面向具有相关学科背景与研究兴趣的学习者,具体要求以课题导师评估为准。

企业微信咨询